【04】深度学习——训练的常见问题 | 过拟合欠拟合应对策略 | 过拟合欠拟合示例 | 正则化 | Dropout方法 | Dropout的代码实现 | 梯度消失和爆炸 | 模型文件的读写

1.常见的分类问题

  学完了多层感知机，知道什么是前向传播、反向传播，其实就已经在开始窥探深度学习的精髓了。整个深度学习，都是在此基础上发展的，多层感知机更加复杂的版本，并没有离开此区域。
  往后学习 的而原因是，实际的情况千奇百怪，十分复杂，不是简单的多层感知机就能解决好的，因此需要明确要解决的问题是什么。

1.1模型架构设计

  架构设计包含网络深度、神经元个数、层类型、连接方式。
  架构设计（architecture design），指的是在解决特定的实际问题时，选择合适的网络结构。
  节点的数量也就是神经元的数量；网络层数、不同类型的层，到底是使用全连接层还是卷积层、循环层，或者注意力机制等不同类型的层。以及在层与层之间，如何连接。

1.2万能近似定理

  Universal Approximation Therem（